摘要：该文考虑无人机(UAV)交通监测与移动边缘计算(MEC)技术结合的智能交通系统。为了保障系统中数据时效性并且降低系统能耗,提出计及信息年龄(AoI)的UAV计算卸载优化方法。首先,建立UAV辅助的MEC系统模型,允许MEC服务器缓存常用的应用程序并为UAV提供计算卸载,以支持UAV执行交通监测任务。通过联合优化UAV任务卸载决策、UAV上下行通信带宽分配以及被卸载任务的计算资源分配,最小化所有UAV与MEC服务器的总能耗,同时满足AoI与资源容量等约束条件。其次,系统能耗最小化问题是混合整数非凸优化问题,因此采用离散化和线性化手段,快速获得问题的近似最优解,并设计离散点生成算法来调节近似误差。最后,仿真结果表明,即使对于大型的非凸问题,所提方法也能够快速得到近似最优解,并且可以在不同的任务场景中满足AoI等约束条件,最大限度降低系统能耗。仿真结果验证了所提方法的有效性。

摘要：元宇宙是一种新型互联网社会生态,旨在促进用户交流、提供虚拟服务和数字资产交易。区块链作为元宇宙的底层技术,支持非同质化通证(NFT)等数字资产在元宇宙内流通。然而,随着共识节点的增加,数字资产的交易共识效率会降低。因此,该文设计了基于边缘计算和跨链技术的多子元宇宙数字资产交易管理框架,首先,利用跨链技术将多个子元宇宙连接成多子元宇宙系统;其次,将边缘设备以矿工的身份分配到各个子元宇宙中,并利用其空闲的计算资源来提高数字资产交易的效率;此外,将边缘设备分配问题建模为一个多背包问题,并设计了一套矿工选择方案。针对环境动态变化的分配问题,采用深度强化学习中的近端策略优化(DRLPPO)算法,有效解决多子元宇宙中子元宇宙的矿工分配问题。仿真结果验证了所提方法的有效性,能够以安全、高效和灵活的方式实现跨链NFT交易和子元宇宙管理。

摘要：算力网络旨在深度融合算力资源与网络资源,实现多种资源的高效协同,最大化资源利用率.算力网络边缘部分通常采用分布式软件定义网络架构,构建逻辑集中但物理分散的控制平面,并将其与数据平面分离,实现全网算力资源与网络资源的统一调度与编排.然而,攻击者极易将控制平面作为首要攻击目标,发起分布式拒绝服务攻击(distributed denial of service,DDoS),使控制平面大面积失效,严重影响计算任务的实时传输.为了解决算力网络中的安全问题,本文创新性地提出了基于深度强化学习的算力网络主动防御方法.首先,构建了马尔可夫决策过程(Markov decision process,MDP)模型来准确表征交换机与控制器映射关系的动态性,并设计了一种基于节点介数的奖励函数来反映DDoS攻击对控制器部署方案的影响.其次,综合考虑多种网络约束,将多控制器部署问题建模为约束满足问题,其可行解空间即为MDP模型的动作空间.最后,提出了一种基于深度强化学习的主动防御算法,迭代优化动作选择策略,智能化选择多控制器部署方案.实验结果表明,该方法在网络性能几乎无损的前提下,相比基准方法能够分别提升13%和8%的防御成功率.

摘要：车路协同推断通过联合车载终端与路侧边缘服务器进行深度卷积网络推断运算,提高了网络架构推断效率,但是存在用户隐私泄露问题。攻击者在未知车载终端网络结构和参数的前提下,通过训练反卷积网络的方式,可复原车载终端上传的计算结果对应的图像数据,从而发起图像还原攻击。基于差分隐私理论,针对图像还原攻击设计模型扰动、输入扰动、输出扰动3种防御算法,分别在车载终端深度卷积网络的模型参数、输入原始图像、输出计算结果中加入随机拉普拉斯噪声,干扰攻击者的图像还原。通过理论分析得出3种算法均满足差分隐私保护,攻击者难以从计算结果中挖掘出原始数据的隐私信息。实验结果表明,3种算法在有效防御黑盒图像还原攻击的同时能保持推断精确度在90%以上,其中模型扰动算法在均衡隐私保护和推断精确度方面的性能表现优于输入扰动和输出扰动算法。

摘要：在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡。针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略。以覆盖性强、适用性广的移动信息采集设备作为学习服务器,将分布分散、资源受限的客户端节点作为学习参与者,通过构建马尔科夫决策模型分析客户端节点在移动信息采集过程中的状态变化和行为模式,同时采用值迭代算法和深度强化学习算法对该模型进行近似求解,获得客户端节点最优的信息传输与能量管理组合策略。仿真结果表明,相比MDP、GRE、RAN策略,该策略的长期效用较高且数据延迟较小,可实现客户端节点在信息传输过程中的数据隐私性、数据可用性与能量消耗之间的最优平衡。

摘要：为了解决基于区块链的分布式电能交易中存在的共识效率低、资源开销大、交易失效率高等问题,提出了一种面向分布式电能交易的智简拜占庭容错共识算法(simplified Byzantine fault tolerant consensus, SBFC)。通过引入门限签名机制,共识节点只需和领导节点交互即可达成共识,从而将通信复杂度从O(n2)优化到了O(n),极大地减少了共识所需的通信量。同时设计了一种拜占庭节点过滤机制,通过设置委员会对共识消息进行四阶段的交叉校验,将检测发现的拜占庭节点加入黑名单,阻止其继续参与共识,从而在降低通信量的同时保证了共识的安全性。仿真结果表明,SBFC在大规模分布式电能交易场景下能够显著缩短共识时延。

摘要：随着人工智能技术的飞速发展,传统物联网正从“万物互联”向“万物智联”的泛在智慧物联网(简称智联网)快速演进。智联网建立在移动互联网(数据信息互联)和物联网(感知控制互联)的基础上,实现了智能体(如物联网设备与系统)群体之间的“协同知识自动化”和“协同认知智能”,从而极大地推动了人工智能技术与物联网技术的落地应用。近来,具有全频谱通信能力的6G通信技术发展迅猛,其借助卫星、无人机等非地面设施,实现通信信号从人口覆盖走向空天海地网络一体化全球无缝全覆盖.

摘要：针对基于委托权益证明(Delegated Proof-of-Stake,DPoS)共识算法的区块链赋能车联网系统中区块验证的安全性与可靠性问题,矿工通过引入轻节点(如智能手机等边缘节点)共同参与区块验证,提高区块验证的安全性和可靠性。为了激励矿工主动引入轻节点,采用了斯坦伯格(Stackelberg)博弈模型对区块链用户与矿工进行建模,实现区块链用户的效用和矿工的个人利润最大化。作为博弈主方的区块链用户设定最优的区块验证的交易费,而作为博弈从方的矿工决定最优的招募验证者(即轻节点)的数量。为了找到所设计Stackelberg博弈的纳什均衡,设计了一种基于多智能体强化学习算法来搜索接近最优的策略。最后对本文方案进行验证,结果表明该方案既能实现区块链用户和矿工效益最大化,也能保证区块验证的安全性与可靠性。